文章提取彩色图像的3种特征,采用支持向量机的具体实现Lib SVM工具包,对彩色图像进行多种分类,在此基础上分析分类结果,找出影响分类结果的主要因素,从而提高分类准确度。 ?以融合不同的特征能提高图像分类的准确度，实验中融合了颜色特征9个，Tamura特征6个和统计特征3个，形成一个能从多方面，多角度描述图像特征的18维综合特征向量T=（C1，C2，C3，C4，C5，C6，C7，C8，C9，T1，T2，T3，T4，T5，T6，P1，P2，P3），对次实验证明多特征融合比单一特征对图像分类更有效。3图像分类算法本实验分类算法的流程如图1所示。图1实验分类算法流程SVM，从样本的特征入手分析对象，预测对象的属性类别。本文由公司网站网站 转载中国知网整理!   http://www.dapenggunhuji.com/彩色图像分类中-数控滚圆机滚弧机张家港数控滚圆机滚弧机折弯机通过支持向量（SupportVector）能够使经验误差最小，几何边缘最大的分类过程[7]，其特点在于在某种程度上解决了样本容量孝非线性等分类中遇到的困难，一定程度上解决了分类模型局部最小的问题，提高了分类的精度。实验中对支持向量机的具体实现采用台湾大学林智仁教授设计开发的工具包—LibSVM（LibraryforSupportVectorMachines）—进行图像分类。LibSVM主要由以下几个函数组成。（1）svm_scale，对训练数据和测试数据做归一化处理，一般情况，把数据缩放到[-1,1]或[0,1]；（2）svm_train，对样本分类建模，提供优化参数；（3）svm_predict，利用上一步已建模型，对测试数据进行分类。4实验结果分析4.1实验设置实验从corel图像库中选择花、食物、建筑、大象、车5类图像各80张，并归一化成512×512的图像；其中每一类随机选取40张作为训练集，另外的40张作为测试集。在Win7系统下采用了MATLABR2016a，LibSVM-mat-3.0-1，MinGW-64彩色图像分类中-数控滚圆机滚弧机张家港数控滚圆机滚弧机折弯机本文由公司网站网站 转载中国知网整理!   http://www.dapenggunhuji.com/